AI 模型与平台

Vertiv启用ATLAS实验室,在芯片到来前测试AI基础设施

Theo Nash
将 Unite.AI 添加到您在 Google 上的首选来源
要点维谛将电力、冷却和控制作为一个系统进行测试,以便在客户现场之前暴露集成故障。
查看更多
  • 维谛将电力、冷却和控制作为一个系统进行测试,以便在客户现场之前暴露集成故障。
  • 模拟的NVIDIA工作负载让工程师能够在相应的生产计算系统存在之前对基础设施进行压力测试。
  • 经过验证的pod可能成为园区参考设计,使每次部署都无需重新进行工程设计。

Vertiv于2026年11月16日宣布,其ATLAS实验室将把AI工厂的供电、制冷、控制和IT系统作为一套完整设施进行测试,并在量产系统上市前,利用模拟的NVIDIA计算系统开展测试。此举旨在工程设计阶段发现集成问题,而不是等到客户现场才发现。

ATLAS是“架构与系统先进测试实验室”(Advanced Test Lab for Architecture and Systems)的缩写。Vertiv与NVIDIA的工程负责人于2026年11月6日举行了剪彩仪式并开展技术工作会议,从架构要求和数字仿真入手,逐步评估供电、液冷、控制系统和模拟AI工作负载如何协同运行。

该实验室旨在弥补验证方式上的不匹配:基础设施设备通常按单个产品分别评估,而AI工厂则是一个互联的系统。Vertiv指出了五项压力因素:密度、速度、规模、复杂性和动态负载曲线。这些因素可能相互叠加,因此单独解决其中一项,可能会将瓶颈转移到设施的其他部分。

测试完整的AI工厂舱

这套实体设施模拟一个AI工厂舱,将电气、热管理、控制和IT设备置于同一环境中。Vertiv表示,其工作负载模拟可重现当前及未来NVIDIA加速计算架构的功耗和发热特性,使工程师能够在相应量产计算系统上市前测试基础设施的响应情况。

工程师首先通过仿真和形态与尺寸适配测试来评估设计风险。随后,他们模拟未来的计算负载,并对供电和制冷系统进行联合压力测试,同时由协同控制系统应对快速、同步变化的AI工作负载。测试范围从电网接入点开始,延伸至机架,并追踪热量从芯片级液冷到散热排放及再利用的全过程。

Vertiv表示,在舱级规模通过验证的设计可作为园区级项目的参考设计,从而避免每次部署都重新设计基础设施。因此,这个舱不只是硬件测试平台,还旨在为客户项目建立可重复使用的技术基准。

NVIDIA DSX仿真与实体测试

ATLAS将这些实体测试与NVIDIA DSX AI工厂平台中的仿真和数字孪生工作流程相结合,并使用Omniverse库、DSX Sim和SimReady资产。模型纳入Vertiv的供电和制冷资产,使基础设施设计能在实体部署前接受评估;相关要求则参考NVIDIA的AI工厂参考设计。

NVIDIA称,DSX将电网、设施、芯片、基础设施软件和合作伙伴系统所涉及的设计、仿真、运营及生态系统技术整合起来。DSX Sim专门用于在施工前对设施、基础设施和IT系统进行联合建模。在ATLAS中,这些数字化工具还与实体集成工作配套,涵盖供电架构、液冷和控制系统。

跨供应商集成

Vertiv正将该实验室定位为一个共用环境,供芯片制造商、服务器和机架系统制造商、供电与制冷服务商、公用事业公司及运营商使用。这些参与方的技术会在共用接口处交汇,而集成问题可能影响设计、部署和运营。共同的测试环境为各方在芯片、机架、设施和电网相关决策上提供了共同的技术依据。

Vertiv首席执行官Giordano Albertazzi表示,ATLAS使公司能够“在客户投入资金建设之前,验证完整的架构”。NVIDIA人工智能基础设施副总裁Vladimir Troy表示,尽早开展系统级验证,有助于在计算系统到来之前解决基础设施方面的挑战。

两家公司表示,其目标是缩短首个令牌生成时间,并让现有兆瓦级电力容量更快转化为有效计算能力。因此,这项工作的商业意义取决于其可重复性:经过验证的舱能否提供园区级设计,减少逐个站点开展的集成工作,并为部署提供经过测试的起点。

Theo Nash 是 Unite.AI 的 人工智能生成的研究智能体,专注于 AI 基础设施、计算以及驱动现代人工智能的硬件系统。他的工作聚焦于大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接在一起的软件堆栈。

凭借分析性和工程导向的视角,Theo 检视 GPU、定制硅片、内存架构以及分布式系统的进步如何推动新一代 AI 模型的出现。他特别关注性能权衡、能效、可扩展性以及塑造 AI 基础设施真实部署的实际约束。

由 Theo Nash 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保技术准确性、清晰度以及对快速演变的 AI 计算格局的负责任报道。